Input-Adaptive Spectral Feature Compression by Sequence Modeling for Source Separation
arXiv - 2026
Estrai dialoghi chiari dall'audio di film e programmi TV e dividi lo sfondo in tracce separate di musica ed effetti sonori.
Caricamento...
Separa l'audio di un film in dialoghi, musica ed effetti per doppiaggio e postproduzione.
Input
Supporta ingressi in formati come mp3 / wav / flac / ogg / m4a / aac / aif / aiff / mp4 / mov / mkv
Formati supportati
Produzione
WAV
Caso d'uso
Separa l'audio di un film in dialoghi, musica ed effetti per doppiaggio e postproduzione.
Scegli un modello adatto al materiale e allo scopo, poi consulta gli esempi prima di inviare.
Costo, tempo, formati e parametri dipendono dal modello scelto.
Nel feedback indica lo strumento, i passaggi e il problema. Gli screenshot possono aiutare a individuarlo.
Esporta dialogo, musica ed effetti in tre tracce per doppiaggio, montaggio e remix.
Rete a bande per dialogo, musica ed effetti; confronta interferenze e dettagli di fondo.
Modello tempo-frequenza per tre tracce cinematografiche; TIGER DnR è diverso da TIGER a due parlanti.
Separa l’audio di film e video in dialoghi, musica ed effetti sonori. L’uscita è mono a 44.1 kHz; l’ingresso stereo viene prima miscelato in mono.
arXiv - 2026
Estrai dialoghi chiari dall'audio di film e programmi TV e dividi lo sfondo in tracce separate di musica ed effetti sonori.
IEEE OJSP - 2024
Estrai dialoghi chiari dall'audio di film e programmi TV e dividi lo sfondo in tracce separate di musica ed effetti sonori.
arXiv - 2024
Estrai dialoghi chiari dall'audio di film e programmi TV e dividi lo sfondo in tracce separate di musica ed effetti sonori.
arXiv - 2026
Separa l’audio di film e video in dialoghi, musica ed effetti sonori. L’uscita è mono a 44.1 kHz; l’ingresso stereo viene prima miscelato in mono.
CVPR - 2026
Usa le condizioni visive e audio di AV-CASS per separare parlato, effetti e musica da un video; è disponibile anche il solo audio per un confronto diretto.
3 categorie di uscita
Sono mostrati solo risultati con implementazione pubblica di inferenza e pesi corrispondenti verificati, oltre agli algoritmi che non richiedono pesi. Sono esclusi servizi chiusi, pesi non pubblicati e versioni sperimentali non identificate. Non è una classifica di tutti i modelli.
Ogni insieme di pesi compare una sola volta per prova, con il miglior risultato pubblicato per la metrica selezionata. Il punteggio complessivo proviene da una sola valutazione. Espandi per confrontare valutazioni e impostazioni.
I pesi pubblici non dimostrano l’esistenza di una licenza open source completa. Espandi i dati per consultare le licenze dichiarate e le condizioni di accesso. Le licenze non dichiarate sono indicate separatamente.
Le etichette indicano modelli o componenti usati qui. Punteggi e impostazioni provengono dai test citati, non da una nuova valutazione dell’intero processo del sito.
Scegli un insieme di dati per visualizzare tutte le metriche di ciascun modello. Le righe seguono la classifica ufficiale o la metrica selezionata. Il grassetto indica il miglior valore confrontabile di ogni colonna, inclusi i pari merito. Protocolli di valutazione diversi sono classificati separatamente; i punteggi mancanti sono indicati con -.
Voci distribuibili 2 / righe originali 10
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
I valori provengono dalla fonte pubblica collegata. Le etichette delle righe indicano il set di test o il checkpoint; i punteggi non pubblicati sono mostrati come -.
| Classifica per metrica | Modello | Condizione di test | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium)Modello usato qui | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †Pesi pubblici · Codice di inferenza | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Le etichette indicano modelli o componenti usati qui. Punteggi e impostazioni provengono dai test citati, non da una nuova valutazione dell’intero processo del sito.
Dataset, versioni e condizioni restano separati, anche per fonti senza righe ammesse in classifica.
Voci distribuibili 9 / righe originali 21 · Verificato: 2026-10-25
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
PT2 · MVSep Ensemble (SCNet + Mel) (2024.11) · MVSep SCNet DnR (2024.11) · MVSep MelBand Roformer DnR (v1, 2024.11) · Bandit v2 (multi) · test_scheme2 · test_scheme1 · test1012 · test_4stems_dnr_0908 · Bandit Plus (no resample) · Bandit Plus (with resample) · test_scheme3
Voci distribuibili 2 / righe originali 10
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
Voci distribuibili 2 / righe originali 2
I punteggi si riferiscono al dataset, alla metrica e alla versione indicati; test diversi non sono direttamente confrontabili.
La tabella include solo modelli con pesi o configurazioni pubbliche eseguibili in locale.
Scegli un insieme di dati per visualizzare tutte le metriche di ciascun modello. Le righe seguono la classifica ufficiale o la metrica selezionata. Il grassetto indica il miglior valore confrontabile di ogni colonna, inclusi i pari merito. Protocolli di valutazione diversi sono classificati separatamente; i punteggi mancanti sono indicati con -.
Voci distribuibili 2 / righe originali 10
Non è stato verificato un pacchetto pubblico completo di inferenza per questi esperimenti. Altri pesi con lo stesso nome non sono equivalenti.
MRX-C † · - · Hybrid Demucs (v3) †‡ · - · BS-Locoformer (Small) · C1 · Band-split (64) · SFC-Locoformer (Small) · C2 · SFC-Mamba (64) · SFC-Locoformer (Small) · C3 · SFC-CA (64) · BS-Locoformer (Medium) · D1 · Band-split (64) · SFC-Locoformer (Medium) · D2 · SFC-Mamba (64) · SFC-Locoformer (Medium) † · D4 · SFC-CA (64)
I valori provengono dalla fonte pubblica collegata. Le etichette delle righe indicano il set di test o il checkpoint; i punteggi non pubblicati sono mostrati come -.
| Classifica per metrica | Modello | Condizione di test | Params. | Speech | Music | Sfx | Average | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | SNR↑ | SISDR↑ | ||||
| 1 | SFC-Locoformer (Medium) | D3 · SFC-CA (64) | 16.0 M | 16.38 | 16.32 | 9.70 | 9.28 | 10.56 | 9.88 | 12.21 | 11.83 |
| 2 | BandIt †Pesi pubblici · Codice di inferenza | Band-split (64) | 37.0 M | 15.7 | 15.6 | 8.7 | 8.0 | 9.8 | 8.2 | 11.4 | 10.9 |
Scegli un insieme di dati per visualizzare tutte le metriche di ciascun modello. Le righe seguono la classifica ufficiale o la metrica selezionata. Il grassetto indica il miglior valore confrontabile di ogni colonna, inclusi i pari merito. Protocolli di valutazione diversi sono classificati separatamente; i punteggi mancanti sono indicati con -.
SI-SDR riportato dagli autori su 973 tracce di test DnR v2 complete. Ogni modello usa finestra e passo ufficiali; la media comprende musica, dialoghi ed effetti. Non sono misurazioni di TelkNet e non vengono unite a risultati con altri dataset o condizioni di addestramento.
| Classifica per metrica | Modello | Condizione di test | SI-SDR medio (dB) ↑ | MX SI-SDR (dB) ↑ | DX SI-SDR (dB) ↑ | FX SI-SDR (dB) ↑ | Parametri (M) |
|---|---|---|---|---|---|---|---|
| 1 | DBS-TIGER (128)Pesi pubblici · Codice di inferenza | DnR v2 · 973 · 6 s / 3 s | 10.13 | 7.78 | 15.9 | 6.7 | 1 |
| 2 | DBS-BSRNN (128)Pesi pubblici · Codice di inferenza | DnR v2 · 973 · 3 s / 1.5 s | 9.07 | 6.48 | 15.01 | 5.73 | 4.7 |
Trova metodi e passaggi adatti al tuo materiale.